化工园区系统爆炸风险动态预警方法

本发明涉及化工过程安全领域，更特别地是涉及化工园区爆炸风险动态预警方法。

背景技术：

1、化工园区内大型化工装置数量庞大、且分布集中，一旦发生爆炸，易引发连锁事故。在爆炸事故演变过程中，及时预报当前事件可能引发的爆炸及其影响范围和程度，并提供针对此后果的防控措施，能够为园区应急响应争取到宝贵时间。现有的爆炸风险预警方法大多借助经验公式计算爆炸后果，且只针对单一危险源系统，没有从化工园区作业系统层面出发推测爆炸风险，所得结果未能反映真实情况，进而导致防控方案与现场实际不符。

2、化工园区系统爆炸风险动态预警方法正是在综合考虑园区系统内部组成之间交互特性的基础上，通过神经网络模型实时计算爆炸导致的人员伤亡和化工装置失效后果，基于实时后果风险生成动态防控方案。该方法既可以监测化工园区日常运行阶段的爆炸风险，同时能够在事故状态下实时计算现场各化工装置的失效风险以及人员风险，结合不同目标实时风险给出防控方案，从而实现对爆炸事故的及时、精准预警。

技术实现思路

1、目的：本发明提供的化工园区系统爆炸风险动态预警方法实时性好、可靠度高，而且能够提供符合现场实际的动态防控方案，是一种有效的爆炸事故预警方法。

2、1.本发明提供了一种化工园区系统爆炸风险动态预警方法，该方法包括：

3、(a)以爆炸所致人员伤亡和化工装置失效作为风险指标，确立风险分级判据和基于风险的动态预警准则；

4、(b)选定化工园区作业区域，设计用于预测爆炸后果的神经网络模型；

5、(c)建立该作业区域的仿真模型并系统性地开展爆炸数值模拟，利用数值模拟数据对神经网络算法进行递进训练；

6、(d)依据系统理论将化工园区爆炸风险防控转化为系统控制与反馈问题，识别爆炸及连锁事故防控过程中的关键风险因素及其改进措施；

7、(e)根据风险因素之间的逻辑关系，建立基于贝叶斯网络的爆炸过程安全屏障失效概率评估模型；

8、(f)将风险分析结果转化为数字模型，构建爆炸情景库；

9、(g)将化工园区安全风险监测数据反馈给神经网络模型，以计算得到实时爆炸风险值，进而实现爆炸动态预警。

10、步骤(a)包括以下步骤：

11、(a1)采用潜在生命损失和个人风险分别衡量爆炸发生前后人员伤亡后果，确定两个人员风险指标的分级判据；

12、(a2)结合化工装置的固有危险性和爆炸作用下其失效概率，建立目标设备风险矩阵，用以定量表征目标设备对多米诺效应的贡献；

13、(a3)根据上述风险指标的分级判据，确立分级安全阈值用于指导不同状况下预警信号的发布和控制方案的生成；

14、步骤(b)包括以下步骤：

15、(b1)依据现有爆炸冲击波毁伤判定准则，以爆炸冲击波传播过程中不同位置处的超压峰值和冲量(超压时程)作为神经网络模型的输出；

16、(b2)选定爆炸冲击波对人员及结构的毁伤判据，基于神经网络模型的预测数据，结合比例法对爆炸作用下人员死亡发生概率及化工装置失效概率进行计算；

17、(b3)将特定化工园区的地形参数作为常量，以现场影响爆炸结果的主要变量作为神经网络模型的输入(如爆源相关参数)；

18、(b4)采用改良麻雀搜索算法与广义回归神经网络耦合算法预测峰值超压，卷积变分自编码器与多层前馈神经网络混合算法预测超压时程；

19、步骤(c)包括以下步骤：

20、(c1)确定数值模拟中所采用的爆炸物理模型，并利用爆炸实验数据对数值模型进行有效性验证；

21、(c2)结合典型化工园区布局规划，设计可能的爆炸发生场景，这些场景的地形复杂程度应有所差异；

22、(c3)建立上述多类典型园区场景的仿真模型，对每类场景分别进行大量模拟计算；

23、(c4)建立某个实际化工园区特定区域的三维仿真模型，对各种爆炸场景进行不间断数值模拟；

24、(c5)对爆炸数值模拟结果进行数据预处理，构建学习样本；

25、(c6)将简单至复杂场景的学习样本依次提供给神经网络算法，让其递进学习，构建基本神经网络预测模型；

26、(c7)神经网络模型自动调取实际场景的学习样本，实现不断自我学习、自我完善；

27、步骤(d)包括以下步骤：

28、(d1)针对选定的化工园区作业区域，建立爆炸风险层级控制与反馈功能结构；

29、(d2)根据建立的安全控制结构，识别导致爆炸及连锁事故发生的诱因场景；

30、(d3)制定用以降低诱因场景发生概率、减缓其引发的后果严重性的风险降低措施；

31、步骤(e)包括以下步骤：

32、(e1)根据风险因素之间的逻辑关系，建立爆炸过程安全屏障性能指标层次结构；

33、(e2)结合层次分析法确定专家优先级权重，确定屏障性能指标的分值和权重以及条件概率表；

34、(e3)建立安全屏障失效贝叶斯网络模型；

35、步骤(f)包括以下步骤：

36、(f1)基于确立的预警准则，采用事件树来描述爆炸后果演变与风险降低措施之间的逻辑关系；

37、(f2)将事件树转化为数字模型，建立情景库；

38、步骤(g)包括以下步骤：

39、(g1)在日常运行阶段，通过潜在生命损失风险指标对区域爆炸风险水平进行监测，当风险值达到安全阈值或发生爆炸事件，实时计算设备失效风险；

40、(g2)如果某一目标设备的风险值达到某一级预警界限，发布对应的预警信号，同时情景库依据实时的个人风险和设备风险生成相应的控制方案；

41、(g3)在实施控制过程中，根据风险指标变化调整预警等级和控制方案；

42、(g4)如果计算得到的设备风险值未超过预警界限，则从情景库中查找异常原因，并以此为起点推测未来可能发生的事件风险。

技术特征：

1.本发明提供了化工园区系统爆炸风险动态预警方法，其特征在于，该方法包括：

2.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(a)包括以下步骤：

3.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(b)包括以下步骤：

4.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(c)包括以下步骤：

5.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(d)包括以下步骤：

6.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(e)包括以下步骤：

7.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(f)包括以下步骤：

8.根据权利要求1所述化工园区系统爆炸风险动态预警方法，其特征在于，步骤(g)包括以下步骤：

技术总结本发明提供了提前预报化工园区爆炸及连锁事故的动态预警方法。该方法包括：(a)以爆炸所致人员死亡和化工装置失效作为风险指标，确立基于后果风险的分级预警准则；(b)基于特定园区场景，设计用于预测爆炸后果的神经网络模型；(c)对该场景开展大量爆炸数值模拟，所得数据用于神经网络算法学习；(d)将园区爆炸风险防控转化为系统控制与反馈问题，识别事故防控中的关键风险因素；(e)根据风险因素间的逻辑关系，建立爆炸过程安全屏障失效概率评估模型；(f)将风险分析结果转化为数字模型，构建爆炸情景库；(g)将园区监测数据提供给神经网络模型，以快速计算得到爆炸风险值，进而情景库基于风险值自动生成防控方案并动态更新。技术研发人员：周沈楠,王仲琦受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/9/29